Sistemas Especialistas

Apresentação em tema: "Sistemas Especialistas"— Transcrição da apresentação:

1 Sistemas Especialistas

2 Definição: Um sistema especialista (SE) pode ser visto como uma subárea da Inteligência Artificial, desenvolvido a partir da necessidade de se processar informações não numéricas, um sistema especialista é capaz de apresentar conclusões sobre um determinado tema, desde que devidamente orientado e alimentado.

3 Um SE irá possuir uma base de conhecimento (BC) formada de fatos, regras e heurísticas sobre o domínio, tal como um especialista humano faria, e devem ser capazes de oferecer sugestões e conselhos aos usuários e, também, adquirir novos conhecimentos e heurísticas com essa interação.

4 Os primeiros Sistemas Especialistas
Os primeiros sistemas especialistas que obtiveram sucesso em seus objetivos foram os sistemas: DENDRAL (FEIGENBAUM; BUCHANAN; LEDERBERG,1971) – Utilizado em química orgânica. MYCIN (SHORTLIFFE, 1976) – Utilizado em terapia de doenças infecciosas.

5 A partir dessa época, vários sistemas foram desenvolvidos e resolveram diversos problemas, em diferentes domínios, como por exemplo, agricultura, química, sistemas de computadores, eletrônica, engenharia, geologia, gerenciamento de informações, direito, matemática, medicina, aplicações militares, física, controle de processos e tecnologia espacial.

6 Arquitetura de um SE um sistema especialista apresenta uma arquitetura com os seguintes componentes: base de conhecimentos, mecanismos de inferência, explanação e aquisição de conhecimento. A base do conhecimento reúne o conhecimento do especialista modelado conforme a representação do conhecimento escolhida para modelar o domínio em questão. Atualmente não existe um formalismo de representação que possa ser considerado melhor do que todos os outros existentes. O mecanismo de inferência examina o conteúdo da base de conhecimentos, decidindo a ordem em que se tiram as inferências. Assim, o mecanismo de inferência conduz a consulta com o usuário, transferindo os fatos e regras, utilizados durante uma consulta, para a memória de trabalho.

7 O módulo de aquisição de conhecimentos é responsável pela atualização da base de conhecimentos, através de um mecanismo de interação cooperativa, gerado a partir do módulo de explanação. O módulo de explanação é responsável pela descrição do raciocínio do sistema para o usuário, sendo ativado tanto pelo mecanismo de inferência como pelo módulo de aquisição de conhecimentos. O mecanismo de inferência evoca o módulo de explanação, visando a um processo de transformação do conhecimento, representado na base de conhecimentos do SE ou deduzido no processo de busca de uma solução.

8 Importante: Outra característica comum nos sistemas especialistas é a existência de um mecanismo de raciocínio incerto que permita representar a incerteza a respeito do conhecimento do domínio. O motor de inferência controla a atividade do sistema. Esta atividade ocorre em ciclos, cada ciclo consistindo em três fases:

9 As 3 fases de cada ciclo: Correspondência de dados, onde as regras que satisfazem a descrição da situação atual são selecionadas. Resolução de conflitos, onde as regras que serão realmente executadas são escolhidas dentre as regras que foram selecionadas na primeira fase, e ordenadas. Ação, a execução propriamente dita das regras.

10 Vale destacar que: O desempenho de um sistema está no conhecimento armazenado em suas regras e em sua memória de trabalho. Este conhecimento deve ser obtido junto a um especialista humano do domínio e representado de acordo com regras formais definidas para a codificação de regras no SE em questão.

11 Métodos de representação de conhecimento
Um ponto bastante importante no projeto de um sistema especialista é a escolha do método de representação de conhecimento. A linguagem associada ao método escolhido deve ser suficientemente expressiva (por exemplo,lógica) para permitir a representação do conhecimento a respeito do domínio escolhido de maneira completa, e sendo eficiente. Mesmo assim, existe problemas de eficiência, facilidade de uso e a necessidade de expressar conhecimento incerto, que levaram ao desenvolvimento de diversos tipos de formalismos de representação de conhecimento.

12 Algumas formas de representação do conhecimento:
Lógica Redes Semânticas Quadros (frames)

13 Lógica É a base para a maioria dos formalismos de representação de conhecimento, seja de forma explícita, como nos sistemas especialistas baseados na linguagem Prolog, seja mascarada na forma de representações específicas que podem facilmente ser interpretadas como proposições ou predicados lógicos.

14 Redes Semânticas É um nome utilizado para definir um conjunto heterogêneo de sistemas. Em última análise, a única característica comum a todos estes sistemas é a notação utilizada: uma rede semântica consiste em um conjunto de nodos conectados por um conjunto de arcos. Os nodos em geral representam objetos e os arcos, relações binárias entre esses objetos. Mas os nodos podem também ser utilizados para representar predicados, classes, palavras de uma linguagem, entre outras possíveis interpretações, dependendo do sistema de redes semânticas em questão.

15 Quadros (frames) E sua variação, os roteiros (“scripts”), foram introduzidos para permitir a expressão das estruturas internas dos objetos, mantendo a possibilidade de representar herança de propriedades como as redes semânticas.

16 Motor de Inferência As principais características do motor de inferência disponível em um sistema especialista dizem respeito às seguintes funcionalidades: método de raciocínio, estratégia de busca, resolução de conflito e representação de incerteza.

17 Modo de raciocínio Existem basicamente dois modos de raciocínio aplicáveis a regras de produção: encadeamento progressivo ou encadeamento a frente (do inglês,forward chaining), e encadeamento regressivo ou encadeamento para trás (do inglês, backward chaining).

18 Encadeamento Progressivo
Também chamado encadeamento dirigido por dados, a parte esquerda da regra é comparada com a descrição da situação atual, contida na memória de trabalho. As regras que satisfazem a esta descrição têm sua parte direita executada, o que, em geral, significa a introdução de novos fatos na memória de trabalho.

19 Encadeamento Regressivo
Também chamado encadeamento dirigido por objetivos, o comportamento do sistema é controlado por uma lista de objetivos. Um objetivo pode ser satisfeito diretamente por um elemento da memória de trabalho, ou podem existir regras que permitam inferir algum dos objetivos correntes, isto é, que contenham uma descri- ção deste objetivo em suas partes direitas. As regras que satisfazem esta condição têm as instâncias correspondentes às suas partes esquerdas adicionadas à lista de objetivos correntes.

20 Caso uma dessas regras tenha todas as suas condições satisfeitas diretamente pela memória de trabalho, o objetivo em sua parte direita é também adicionado à memória de trabalho. Um objetivo que não possa ser satisfeito diretamente pela memória de trabalho, nem inferido através de uma regra, é abandonado. Quando o objetivo inicial é satisfeito, ou não há mais objetivos, o processamento termina.

21 Estratégia de busca: Uma vez definido o tipo de encadeamento, o motor de inferência necessita ainda de uma estratégia de busca para guiar a pesquisa na memória de trabalho e na base de regras. Este tipo de problema é conhecido como busca em espaço de estados.

22 Resolução de conflito Ao terminar o processo de busca, o motor de inferência dispõe de um conjunto de regras que satisfazem à situação atual do problema, o chamado conjunto de conflito. Se esse conjunto for vazio, a execução é terminada; caso contrário, é necessário escolher que regras serão realmente executadas e em que ordem.